《表2 不同时间划分数量对UCF101与HMDB51数据集的测试效果》
/%
本节将考察视频片段的划分数量与识别效果的关系。实验设计的划分数量为[4,6,8,10,12](2.1节中的M),运用本文提出的基于多时间划分的深度聚合特征算法,分别在UCF101与HMDB51数据集上测试RGB与flow模型的平均精度,其结果如表2所示。从表2中可以观察到,随着时间划分数量的增加,在两类数据集上的测试结果几乎都有提升的趋势,最大提升幅度出现在HMDB51数据集的flow模型,当M=12时的测试效果比M=4时的测试效果高出11%,出现这种结果可能的原因是,通过增加在时间域上对视频片段的划分,增强了对子行为的感知,并进一步利用深度聚合建立子行为间的关联,在一定程度上细化了行为认知,从而提高了识别精度。受显存的限制,在与先进性算法比较的实验中,设定M=12。
图表编号 | XD00202141100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.05 |
作者 | 程石磊、解梅、马争、李思琦 |
绘制单位 | 电子科技大学信息与通信工程学院、电子科技大学信息与通信工程学院、电子科技大学信息与通信工程学院、电子科技大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |